讲 git 其实是在讲 best practice:一切从原子提交推出来
南京大学《生成式软件工程》第三讲整理稿。用一条日常需求(作业一、作业二、作业三)推出 git 的整个设计,再用 merge 冲突现场说明「责任交回给人」意味着什么;随后把版本库拆到 blob、tree、commit 三类对象,讲清为什么改一个文件不用复制整棵树。中段是整讲的真意:commit message 为什么不能写「加了些很酷的东西」、.DS_Store 和编译产物为什么不该进版本库、空提交什么时候合法。最后落到两句判断上——项目要用原子改动推进,以及在架构阶段用单线程强模型定好接口,之后才敢开多个 agent。
本文整理自 B 站《软件仓库管理|03-Raw 26 生成式软件工程 NJU》,南京大学《生成式软件工程》第三讲,片长约 100 分钟,字幕 1,334 条、约 3 万字。
字幕由语音转写,专有名词错听较多。本文按上下文订正;确实无法还原的只描述行为,不猜名字。
这一讲标题叫「软件仓库管理」,开场讲的是怎么建目录、git 从哪来、底层存的是什么。
但讲到九十分钟时他说了一句总结:今天我好像在讲 git,其实讲的是 best practice。
这句话是真的。git 那部分只是骨头,肉是下面那一串「为什么」。
用一个需求推出 git
他先不给定义,而是从一个学生一定经历过的场景开始。
你的项目是一个目录,里面有代码、文档、测试用例,全部搅在一起。你要交作业。于是目录变成了「作业一」「作业二」「作业三」「作业最终版」。
这个做法能work,因为它满足了一个真实需求:手滑改错了,想回去看看上一版怎么写的。
那么从这条需求出发,你能自己推出一个版本控制系统。
先做一个命令行工具:列出这个项目有哪些版本,把当前状态切换到任意一个版本。到这一步你已经有 git checkout 的雏形了,虽然还没有分支、没有合并、没有冲突。
接着你会碰到第二个需求:跟室友一起改同一个文件。你就得发明合并。再往后碰到冲突,你就得发明冲突解决。
**一个人的需求,加上一点点时间,就能长出整套工具。**他把这个过程叫 first principle 的推演,而且强调每一句话都和前面有逻辑关联。
SVN 错在哪
在 git 之前,主流是 SVN。两者的差别只在一句话:
| 系统 | 存什么 | 回到旧版本要做什么 |
|---|---|---|
| SVN | 每次改动存一个补丁 | 从当前版本一个个往回退 |
| git | 每次改动存一张完整快照 | 直接切过去 |
SVN 的选择其实很高效——补丁很小,存储省。但这个高效会随着项目增长把人拖进泥潭:你想回到三个月前的某个版本,得沿着补丁链往回走。
**而人真正要的是「一秒钟回到过去」。**他把这个判断压成一句:SVN 有点像走错了路。
Linux 自己的故事
git 的作者是 Linux 的作者,这个背景解释了它的设计取向。
1991 到 2002 年,Linux 内核靠什么维护?**和交作业一样:版本一、版本二,以及在邮件列表里发补丁。**有人改了一个文件,就往邮件列表里发一份新的,然后由维护者收进核心仓库再发版。
后来他们用过几个别的工具,都不满意。直到 2005 年,Linux 受不了了,决定自己做一个「绝对简单、但概念正确」的版本控制工具。
所以 git 比想象中年轻。2005 年,二十来年。
责任回到人手上
这是全讲最好的一段现场演示,也是一次当场的测验。
他先讲自己面试推免生时问的问题:什么是 git,什么是 merge 冲突。前两个大家多多少少能说两句。真正让他意外的是——问「git merge 发生冲突以后你会观察到什么」,几乎没人答得上来。
然后他自己回答了这个问题,用的是学生最熟悉的场景。
老师发布了一个作业更新。你本地那份已经被改得面目全非。你让 agent 来合并,它啪啪啪修好,说测试都通过了。你看一眼,看起来没问题。
现在,如果你愿意在冲突发生的那一刻停下来看一眼,你会看到一些很朴素的东西:等号、尖括号、两个标记。
那不是乱码,那是一个设计的痕迹。
站在 git 设计者的角度想:有个文件原来是 1111,一个人把第二行改成 2,另一个人把第二行改成 3。那这一行到底留 2 还是留 3?git 不知道,它也不该替你决定。
所以它做的事是:把两边的代码同时摆在你面前,把决定权交出去。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TD
A["两个分支改了同一行"] --> B{"git 能自己决定吗"}
B -->|不能| C["把两边原文都摆出来<br/>等号 · 尖括号 · 标记"]
C --> D["责任交到人手上"]
D --> E["你决定谁进谁出"]
E --> F["新建一个提交收尾"]上图是这次现场演示的全部内容:冲突文件本身就是 git 把决定权交出来的证据。
他只要求一件事:**注意一次就够了。**你只要看过一两次,就能说出「两边冲突的代码会显示在一起」这句话。而这个细节,恰恰是判断一个人有没有真正动过手的分水岭。
顺带说一句他的观察:用 IDE 的话,冲突块上方还会有按钮,可以直接选接受哪一边。但原理是同一个。
打开 .git 看里面
讲完「怎么用」,他往下一层走。
git 的本质是一个持久化的数据结构。它持久化的对象是目录树。
问题很具体:V1 是一棵大树,现在要创建 V2,只改了一个 b.txt。要把整棵树都复制一份吗?
不需要。你自己也能推出这个解法:
- 被改的那个文件,生成一个新版本。
- 从它到根的那条路径,每一级目录都要复制一份,因为它们的子项变了。
- 路径上没碰到的兄弟节点,用指针指过去就行。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TD
R1["根 V1"] --> A1["a.txt"]
R1 --> B1["b.txt 旧"]
R1 --> D1["dir/"]
R2["根 V2"] --> A1
R2 --> B2["b.txt 新"]
R2 --> D1上图是关键:V2 只新建了一个 b.txt 节点和一条到根的路径,a.txt 和 dir/ 直接复用旧的。所以哪怕项目里有一百万个文件,一次提交的增量也非常小。
他补了一句为什么目录不会很深:每级索引都是指数级增长,很快就能把文件分完。就算真有人搭了很深的目录,路径复制的代价也有上界。
三类对象
.git 里全是普通文件,用哈希索引。它们分成三类。
| 对象 | 存什么 | 现场看到的细节 |
|---|---|---|
| blob | 字节序列,文件的内容 | 很小的文件压缩反而变大:31 字节压成 23 字节 |
| tree | 目录结构:权限、文件名、指向 | 644 hello.c 这样一条条列出来 |
| commit | 一次快照,指向一棵 tree,带 parent | 合并提交有两个 parent |
他做了一个可视化工具,直接从真实的 .git 目录读文件、实时监听变化、用动画展示仓库怎么长。
现场演示里有一个细节值得记下来:他删掉一个文件,右边树里那个节点就消失了;创建一个分支,磁盘上就多出一个文件——**所谓分支,就是一个指向某个 commit 的指针,refs/heads/ 下面一个文件而已。**而 HEAD 是指向指针的指针。
他还展示了合并冲突时 git 悄悄留下的东西:工作区旁边有三个版本,base、ours、theirs。你平时看不到它们。
这个工具是他用一句话 web code 出来的车。他的原话是:视觉效果不完美,因为我没调,一次直出,只补了一个 prompt 去掉多余的东西。但它能把真实的仓库刨开给你看,这跟看一个模拟动画是两码事。
真正的主题:best practice
从四十分钟开始,讲的东西变了。他一条一条拆那些约定俗成的规矩,每条的落点都是同一个问题:为什么会有这条规矩。
commit message 不是备注
他先做了一个反例提交,信息写的是「我加了些很酷的东西」。
然后让 AI 评审。结论很直接:主要问题在提交信息,完全看不出做了什么。
道理不难:**git 存的是快照,但项目本质上是「从 V1 改到 V2」的一次次修改。**所以 message 要描述这次改了什么,相当于给这条演化轨迹做标注。
他用一个反问把这件事钉住:如果你有一万个提交,每个都写「我加了些很酷的东西」,那这个特性就不该存在——从 V1 到 V2 就够了,何必要个 message。
反过来,好的 message 让你翻历史就知道项目怎么走到今天:修了多少 bug、加了什么需求、经历过什么重构。
提交之前,让 AI 先审一遍
他演示了一个可以立刻照抄的动作:做任何 git 操作之前,把所有改动逐个过一遍。
第一次,他故意写了个编译不过的文件去提交。AI 拒绝,并把文件修好了。
给出的理由很干净:提交应该是一个完整自洽的快照,提交编译不过的代码等于让仓库处于坏状态。
第二次,他用 git add . 把所有文件一把提交。AI 按严重程度排了序,然后一条条批评:
- 提交信息看不出做了什么
- 提交力度和内容混杂
hello是编译产物,根本不该进版本库,应该写进.gitignore
他补了一句自己都没预料到的:AI 还顺手发现这个仓库没有 remote,所以这次重写历史不会影响别人——如果别人也持有这个仓库,重写历史就是另一回事了。
编译产物为什么不能进版本库
这是他解释得最细的一条,因为几乎每个新同学都会踩。
hello 这个二进制是可以编译出来的。你觉得放进去也无所谓,反正都是我的代码。
问题在于别人的环境不一样。同一个源文件,在不同机器上编译出来的二进制可能不一样——带上日期、带上哈希、带上本机的指纹。
于是两个人都提交 hello,一合并就是二进制冲突。而二进制冲突几乎无法合并:文本冲突还能一行一行挑,二进制只能二选一。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
S["同一份源码"] --> M1["A 的机器<br/>编译出 hello"]
S --> M2["B 的机器<br/>编译出 hello"]
M1 --> C["合并时产生二进制冲突"]
M2 --> C
C --> X["文本冲突还能挑<br/>二进制只能二选一"]上图是他说这条规矩时画的因果链。落点在于:能重建的东西不该被存下来。
例外:不是所有生成文件都该忽略
他特意留了一个反例,说明这条规矩不是死规则。
package-lock.json 是生成的,但它该进版本库。某些自动生成的 C 头文件也是——放进仓库,别人就不必装全套工具链也能编译。
判断标准不是「是不是生成的」,而是「别人能不能用更低成本重建它」。
那个藏在 Finder 里的文件
他讲了一个很多 Mac 用户不知道的坑。
你在 Finder 里打开一个目录,系统会自动留下索引:哪些子目录展开过,滚到哪个位置。这些写在一个以点开头的文件里,叫 .DS_Store。
因为以点开头,ls 默认不显示,你也看不见。于是你随手 git add .,它就进去了。
他的评语很克制:git 把这个文件加进来其实是合理的,因为点开头的也有很多该跟踪的东西,比如 .github/workflows。规则复杂,所以才有 .gitignore。
空提交什么时候合法
他做了一个实验:让 agent 提交,但要求「不做任何改动也要提交」。
git 会拒绝空提交。但 agent 知道怎么做,因为它有这方面的知识。
那空提交什么时候有用?他给了一个具体场景:你修完了最后一个 bug,这是一个 bug fix 提交;现在你要冻结版本、发 V0.1,这是一个 finalize 提交。
**把这两种意图分成两个提交,而不是混在一起或只打一个 tag。**偶尔这么做是可以的,但不能大量创建。
他调研过的那些东西,被大模型杀死了
这一段是全讲最诚实的地方,也是我认为最值得记的。
他说自己做软件工程研究,有一个非常标准的研究题目:**研究 git 项目是否满足这些 best practice,不满足就给你一个警告。**比如 .DS_Store 该不该被跟踪,需要一条规则;各种生成物要不要入库,需要另一套规则;最后做一个小工具,在提交之前告诉你行不行。
他说:**所有这些东西都被大模型杀死了。**因为模型可以如此耐心地逐项检查,还给你一个表情符号缓和情绪。
他补了一个更真实的动机。作为导师,看到学生提交不合规范的项目,他会先高血压,然后还得装作友善,说「这个项目不太符合软件工程的实践」。而不管他情绪多正常,学生听到的都是「老板在批评我」。
AI 在这一点上真的解放了学生。
惊人的注意力
他反复用一个说法:惊人的注意力。
具体指什么,他给了操作定义。
**看到任何东西之前,先在脑子里做一遍。**我会怎么解决这个问题?然后立刻比较:我看到的东西,和我脑子里想的,谁更好。
- 如果一致,说明你已经完全掌握了。
- 如果它更好,就去想它为什么能想到,于是它变成你知识的一部分。
- 如果你更好——一万次里可能只有一次——那种正反馈足够让你兴奋到想去干点别的。
他把这个方法叫 virtually implement,说它适用于任何课,包括高等数学和计算机系统基础。
地铁站的路牌
他用一个和编程无关的例子说明这件事的价值。
在香港找路时他发现:**每当他不确定,正前方一定有一块牌子告诉他三个出口分别去哪。**那是一个很复杂的地下系统,但从来不需要他回头看。
回到南京,在地铁站里他经常要环顾四周、走一段距离才能找到一块地图。
他从这个对比里学到的是 UI 设计的一条原则:站在人所在的位置,把他此刻需要的信息全部放在这里。
而这条原则,git 也在用。冲突文件把两边代码同时摆在你面前,就是同一个原则的另一个表现。
关于 readme 的观察
他说现在 GitHub 上的项目,readme 都是巨长无比,还带各种 Unicode 字符拼出来的目录结构框图——一股 AI 味。
但偶尔点进一个维护了十几年的老项目,文档清新舒服:readme 很短,看完之后就三个链接,点过去就是了。
**你不需要看那么长的东西。**看完几个好的,你自然就知道 readme 该怎么写。
他也顺手解释了一句为什么很多学生觉得上课耽误学习:**课外的信息密度已经远远超过任何一个课堂能做的事。**你打开一个成熟的 GitHub 项目,那是别人十几年的心血,中间还崩过一次、做过一次大版本重构。而你从没被教过怎么消化这种密度的信息。
从 git 到 GitHub
最后一段讲了一件容易被混淆的事:git 和 GitHub 不是一回事。
git 管理的是快照。GitHub 上还有 issue、有对代码的评论,这些东西不随 git 持久化。
所以有了 gh 这类命令行工具:取一个 issue、找分配给我的、把它关掉。对 agent 来说这个工具特别顺手,因为它是纯文本接口。
他给了一个很有用的组合:装好 gh 之后,给 agent 设定一个长任务,要求它做小步提交、做可审计的提交、遵守分支规则或保持线性历史。然后就不用管了。
他补了一句现状:agent 常常会先试着调
gh,失败后退回古法,手写那些 git 命令。原因是 GitHub 太普及,工具链成熟到值得专门做一个。
全讲的结论只有一句
九十分钟后,他把整讲压成一句话。
把项目组织成用原子改动推进的快照。
所有东西都从这句话推出来。
因为项目是人类没法处理的混沌——需求多、代码多,一次做一大波就会乱。所以要切成能理解、能审计的小任务。
小任务的好处是一串连锁反应:
| 因为小 | 于是 |
|---|---|
| 出了问题能定位 | 可以 bisect、可以 blame |
| 冲突范围有限 | 两个小任务冲突,剩下的部分仍能合并 |
| 尝试成本低 | 可以开分支试验,失败就安全扔掉 |
| 可以并行 | 多条主线同时推进,靠合并收敛 |
关于 blame 他还补了一条操作层面的用法:对提交历史做二分查找。
把历史看成一个数组。当前版本有 bug,但触发它的是很久以前的某个提交。于是你有一个「前面都通过、从某一刻起全都失败」的数组——这不就是在找第一个 1 的二分查找。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
H["提交历史<br/>旧 → 新"] --> P["前缀:测试通过"]
H --> S["后缀:测试失败"]
P --> Q{"第一个失败点"}
S --> Q
Q --> R["bisect 定位<br/>再 blame 看是谁改的"]上图是这套做法:历史本身变成了一份可检索的档案。
线性历史:现在流行,是因为 AI 擅长
他说现在更流行强制线性历史:main 上永远是一条直线,合并靠 rebase 而不是 merge 提交。
理由很实际:反正都是 AI 在 resolve,rebase 对它来说很容易。
但他也承认这不全是好处。只是对现在的项目维护来说,线性历史更易追溯,对 cherry-pick 和 blame 更友好,AI 维护起来也更省 token。
一个可以直接照抄的工作流程
讲完理论,他给了自己的做法。
| 阶段 | 怎么做 | 为什么 |
|---|---|---|
| 架构设计 | 单线程,用一个智力较高的模型多轮讨论 | 设计不好,后面就是无穷迭代 |
| 定接口 | 把组件接口定得非常明确:纯函数、数据进数据出 | 接口稳了,实现就可以当黑盒 |
| 收敛共享状态 | 全局互相影响的状态注册到一处 | 他的 playground 核心共享状态只有十几行 |
| 并行实现 | 开三四个 agent,各干一块 | 有规则在手,不怕它们乱来 |
| 收尾 | 要求禁止调用视觉模型自检、禁止开浏览器任务 | 省 token;他在旁边另一块屏上肉眼看刷新 |
他特别强调「禁止看库函数实现,只看接口」——这条让 agent 的 token 消耗降下来,几万个 token 就能做出一个 playground。
我的三点补充
以下是评注,不是原片内容;我的判断只代表我读这份字幕后的取舍。
**第一,把冲突当成一次责任交接,是理解 git 的钥匙。**很多人把 merge 冲突当成工具不好用。但从设计角度看,git 唯一没做的事就是替你做决定——因为它没有资格。把这一条想通,冲突文件里那些等号和尖括号就不再是噪音,而是一次明确的责任交接。这也是他面试学生时唯一真正在意的那个细节。
**第二,他对「什么该进版本库」的重述比常见说法准确。**通行说法是「不要提交生成的文件」。他的版本是:**能低成本重建的东西不该存,重建成本高的东西该存。**这一条同时解释了为什么编译产物不能进(任何人的机器都能重建)、为什么 lock 文件和生成的头文件可以进(不装依赖或工具链就重建不了,代价高)。判据是成本,不是来源。
**第三,那个「先自己写一遍再对比」的习惯,是这讲最可迁移的部分。**它把「看别人的代码」这件被动的事,变成了一次主动的对比实验。而且它有明确的三档结果,每一档都有下一步动作:一致就是学会了,别人更好就学到了新知识,你更好就是一次罕见的正反馈。这比「多读源码」这种建议具体得多。
一句话总结:**git 只做一件事——把项目打成一个个可以回退、可以审计的快照。**其余所有规矩,都是为了让你在需要回退和审计时还找得到路。